文献类型：期刊文章

作　　者：朱繁[1] 王洪元[1] 张继[1]

ZHU Fan;WANG Hongyuan;ZHANG Ji(College of Information Science and Engineering,Changzhou University,Changzhou Jiangsu 213164,China)

机构地区：[1]常州大学信息科学与工程学院

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61572085)~~

年　　份：2019

卷　　号：39

期　　号：11

起止页码：3210-3215

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对复杂场景下行人检测效果差的问题,采用基于深度学习的目标检测中领先的研究成果,提出了一种基于改进Mask R-CNN框架的行人检测算法。首先,采用K-means算法对行人数据集的目标框进行聚类得到合适的长宽比,通过增加一组长宽比(2∶5)使12种anchors适应图像中行人的尺寸;然后,结合细粒度图像识别技术,实现行人的高定位精度;其次,采用全卷积网络(FCN)分割前景对象,并进行像素预测获得行人的局部掩码(上半身、下半身),实现对行人的细粒度检测;最后,通过学习行人的局部特征获得行人的整体掩码。为了验证改进算法的有效性,将其与当前具有代表性的目标检测方法(如更快速的区域卷积神经网络(Faster R-CNN)、YOLOv2、R-FCN)在同数据集上进行对比。实验结果表明,改进的算法提高了行人检测的速度和精度,并且降低了误检率。

关 键 词：MASK R-CNN  行人检测 K-MEANS算法 细粒度 全卷积网络  

分 类 号：TP391.41]